contributed paper presented at the international...
TRANSCRIPT
THE IMPACT OF HUMAN CAPITAL ON AGRICULTURAL PRODUCTIVITY IN
BURKINA FASO
By
KABORE THEOPHILE ([email protected]
Contributed Paper presented at the International Conference on Agriculture Of
Ouagadougou (BURKINA FASO), December 4-6, 2010.
2
L’IMPACT DU CAPITAL HUMAIN SUR LA PRODUCTIVITE AGRICOLE AU
BURKINA FASO
Résumé
Le but ultime de ce travail a été de mesurer l’impact du capital humain estimé par la formation et
l’éducation sur la productivité agricole au Burkina Faso en utilisant les données de l’enquête
permanente agricole 2007- 2008. La technique du matching utilisé habituellement pour évaluer
l’impact de politique sur une population donnée a été utilisée comme méthode d’estimation de
cet impact. Cela a consisté pour nous à comparer par cette approche la productivité agricole des
responsables de parcelles ayant un capital humain de ceux n’en possédant pas. Globalement, le
capital humain accroît en moyenne la productivité agricole des cultures comme le mil, l’arachide
et le coton mais pas pour les cultures comme le sorgho blanc, le maïs et le riz. Cela est expliqué
seulement dans une moindre mesure par le caractère extensif de l’agriculture burkinabé.
Mots clés : capital humain, rendements, productivité, parcelle, matching
3
JEL Classification: E24, N54, Q12
Abstract
The ultimate goal of this paper has been to measure the impact of human capital on agricultural
productivity in Burkina Faso. The data used was drawn from the national annual survey of
agriculture (2007-2008). The method of estimation was the Propensity Score Matching usually
used to estimate the impact of social or economic policies on target groups. By the matching
method, we compared two groups of farmers: those having human capital and those not having
human capital. In average, human capital increases agricultural productivity of cultures such as
millet, peanuts and cotton, but does not increase the productivity of cultures such as rice, maize
and white sorghum. That is partly due to the traditional way of agriculture in Burkina Faso.
Key words: human capital, productivity, farm, matching
JEL Classification: E24, N54, Q12
Introduction
Situé au cœur de l’Afrique Occidentale, le Burkina Faso est un pays dont l’économie repose
fortement sur l’agriculture. En effet, elle constitue 25% du PIB national et 80% des Burkinabé
ont pour activité principale l’agriculture. Cependant, cette agriculture est toujours et encore
fortement dépendante des aléas climatiques : le pays connait un climat soudanais de type sahélien
(A revoir la phrase). De ce fait, les produits agricoles locaux n’assurent pas souvent l’auto-
suffisance agricole car les rendements sont faibles. On est donc en présence d’une agriculture très
peu productive.
De nombreux efforts ont été menés par les différents acteurs de la filière agricole (ONG, Etat,
coopératives) pour remédier à cette situation. Ils ont concerné entre autre l’usage de semences
sélectionnées, l’intensification de l’usage des intrants, la formation des producteurs agricoles.
En effet, la production agricole dans le pays des hommes intègres est déterminée par plusieurs
facteurs parmi lesquels le capital ou potentiel humain de l’agriculteur, le niveau de la
pluviométrie et des intrants, la machinerie utilisée,…. C’est pourquoi une action visant à
améliorer les rendements agricoles visera une ou plusieurs de ces facteurs.
Le premier facteur qui influence l’usage des autres est sans doute la capacité de l’homme à
combiner de façon harmonieuse les autres facteurs, autrement dit son capital humain.
Dans cette présente étude nous nous proposons d’analyser l’impact du capital humain sur la
productivité humaine. Depuis 1964 où Becker a inventé le concept de « capital humain », de
nombreux économistes se sont penchés sur l’interaction entre le capital humain et la branche
4
économique. C’est ainsi que plusieurs économistes pensent que le premier déterminant de la
croissance économique est le capital humain.
Sur la base des données de l’enquête permanente agricole (EPA) 2007-2008, nous voulons
mesurer l’impact du capital humain sur la productivité agricole par la méthode économétrique de
l’appariement par score de propensité (matching). L’analyse va d’abord consister à donner un
aperçu général sur la revue de littérature, puis nous ferons la description des données à notre
disposition. Au cours de cette étude, une attention particulière sera portée sur le genre.
I. Le concept du capital humain et de la productivité : une revue de littérature
1. Définition du capital humain
La notion de capital humain est assez complexe. C’est pourquoi nous donnerons plusieurs
définitions qui permettront d’en saisir les différents aspects :
Le capital humain est l'ensemble des aptitudes, talents, qualifications, expériences accumulés par
un individu et qui déterminent en partie sa capacité à travailler ou à produire pour lui-même ou
pour les autres1 (Jacques Généreux, 1969).
D’après Becker (1964), le capital humain se définit comme l’ensemble des capacités productives
qu’un individu acquiert par accumulation de connaissances générales ou spécifiques, de savoir-
faire,... La notion de capital exprime l’idée que c’est un stock immatériel imputé à une personne
(i.e. idiosyncratique) pouvant être accumulé et s’user. Il est un choix individuel et un
investissement personnel.
Selon l’Union Européenne, le capital humain peut être défini comme l'ensemble des capacités,
connaissances et compétences que les personnes acquièrent par l'éducation, la formation et
l'expérience.
Pour Alain Bihr (2000), sociologue, on entend par capital humain la force de travail des salariés :
l’ensemble des facultés physiques (puissance, endurance, dextérité, savoir-faire), morales (courage,
persévérance, conscience morale et professionnelle), intellectuelles (connaissances générales et
spécialisées, imagination et intelligence), esthétiques (goût, talents), relationnelles (capacité
d’empathie, sens de la relation ou de la négociation) que les salariés peuvent mettre en vente sur
le marché du travail..
Pour PHP (Projet Prioritaire Haïtien, 2009), il y a cinq composantes dans le capital humain :
l'éducation parentale, la scolarité, l'enseignement professionnel/universitaire, la formation des
adultes et l'éducation sur le lieu de travail. La théorie du capital humain distingue deux formes
possibles de formation :
La formation générale, acquise dans le système éducatif, élève sa transférabilité et son
attachement au travailleur explique le fait qu’elle soit financée par ce dernier car il peut la faire
5
valoir sur l’ensemble du marché du travail. De son côté, la firme n’est nullement encouragée à
supporter les coûts de formation d’une personne, susceptible de s’en prévaloir dans une autre
entreprise prête à mieux le rémunérer, ce qui pourrait l’inciter à quitter la firme. Pour éviter cela,
le financement de l’activité prendra la forme d’une rémunération plus faible (que sa productivité
marginale). L’accord entre le travailleur et la firme consiste donc à l’achat par la firme de la « force
de travail » d’une part, et à l’achat de formation par le travailleur d’autre part.
La formation spécifique, acquise au sein d’une unité de production ou de service, élève la
productivité du travailleur au sein de l’entreprise mais pas ou peu en dehors de celle-ci. Dans ce
cas, le financement est assuré à la fois par la firme et le travailleur. Pendant la période de
formation, le salaire reçu par le travailleur est inférieur à celui qu’il aurait pu recevoir à l’extérieur
de l’entreprise. Cette différence mesure sa contribution à la formation spécifique, mais il reste
supérieur à sa productivité en valeur, net des coûts économiques de la formation. Cette
différence-là exprime la contribution de la firme au financement de cette formation. (Gleizes,
2000).
2. La mesure du capital humain
Quant à la mesure du capital humain, plusieurs études économiques prennent en compte
l’éducation ou la formation. Ainsi, le niveau du capital humain est souvent mesuré par le niveau
de formation de la population adulte. En effet, il donne une mesure de la compétence de la
population et de la main d’œuvre puisque l’accès à l’éducation permet aux individus d’acquérir
des savoirs et des savoir-faire indispensables à la participation active et à la vie économique. De
plus, il existe une forte corrélation positive entre l’éducation et la santé, puis entre l’éducation et
la nutrition. Ainsi, nous retiendrons comme mesure du capital humain le niveau d’éducation et de
formation spécifique.
3. Les théories du capital humain
Il existe plusieurs théories économiques et sociologiques sur le capital humain. Parmi ces
dernières nous pouvons citer :
La théorie de Becker : Elle prend ses origines dans les travaux de plusieurs économistes
américains à la fin des années 1950 et au début des années 60. Jacob Mincer Theodore Schulz et
Gary Becker sont les trois penseurs de cette théorie qui a été pleinement exposée dans le
classique de Gary Becker paru en 1964, intitulé : « Humain Capital ».
L'idée de base de la théorie du capital humain, développée par Gary Becker, prix Nobel 1992, est
de considérer que du point de vue de l'individu, l'éducation est un investissement. La valeur de
celui-ci dépend directement du coût monétaire de l'éducation et des gains futurs anticipés
procurés par l'information. Celle-ci représente un investissement avantageux si la valeur actualisée
nette des coûts et des avantages est positive. L'investissement en capital humain est aussi un
investissement profitable du point de vue de la société. Autrement dit, l'éducation procure aussi
des gains sociaux, supérieurs aux gains privés. Cette externalité positive justifie pour certains
l'intervention de l'État sinon dans l'économie du moins dans la prise en charge du système
6
éducatif. Pour l'employeur, la distinction entre éducation générale et formation spécifique de
l'individu revêt une importance capitale. En effet, la formation spécifique augmente la
productivité de l'individu seulement chez son employeur. Ce dernier peut par conséquent
récupérer le fruit de l'investissement qu'elle constitue.
Selon cette dernière théorie, l’éducation, la formation et la santé sont des investissements sur le
capital humain. Ainsi, les décisions d’investissement dans le capital humain au travers de
l’éducation et de la formation se prennent par la comparaison entre le coût d’opportunité de ces
dernières et les flux actualisés de revenus que procureront l’éducation et la formation.
Le modèle d’arbitrage : Les individus de mêmes capacités ne choisissent pas les mêmes études.
Cette différence est directement liée à leur origine sociale. Avant d'entamer un cursus scolaire, la
théorie suppose ici que les individus procèdent à un calcul avantages-coûts pondéré par la
probabilité de réussite. Elle pose alors comme hypothèse que les étudiants issus de milieux
défavorisés accorderont un poids plus important au risque que les autres. Les conséquences d'un
échec, voire d'un simple redoublement, ne sont pas valorisées de la même façon par tous les
individus. L'intérêt du modèle d'arbitrage entre rendement et risque est donc d'expliciter des
choix différents de cursus sur des critères sociologiques (Mingat et Eicher, 1982)
Les modèles de concurrence (pour l'emploi)
Ce modèle rejette l'hypothèse forte de la théorie du capital humain : la productivité n'est plus
apportée par le travailleur mais elle est considérée comme faisant partie du poste de travail. Deux
caractéristiques comptent dans l'entreprise : la capacité d'adaptation du travailleur à la structure de
la firme et son efficacité à son poste de travail. II existe deux marchés du travail, l'un interne à
l'entreprise, l'autre externe. Pour recruter son personnel, un dirigeant peut recourir à l'un ou
l'autre. Le premier est le moins coûteux mais il n'est pas toujours possible. Sur le marché externe,
le niveau de formation considéré comme un gage d'ouverture d'esprit et d'adaptabilité constitue le
premier critère de sélection. (Thurow, 1992)
II. Productivité agricole
1. Définition
La productivité agricole peut être définie comme la production réalisée par une unité de
facteur de production
Parmi les indicateurs de cette dernière, on distingue :
La productivité partielle des facteurs (PPF) : Les mesures PPF sont des ratios entre la production et un
unique facteur de production. L'indice de la PPF le plus couramment utilisé pour l'économie
globale est l'indice de la productivité du travail (P/W), c'est-à-dire la production (P) par travailleur
(W). La production peut être mesurée en termes d'un produit unique, ou en termes d'un agrégat
de produits; dans le deuxième cas, il faut utiliser les prix pour constituer des agrégats de produits.
Pour permettre les comparaisons dans le temps, ces prix doivent être des prix réels ou constants.
7
Pour l'agriculture, l'indice de la PPF le plus couramment utilisé est la production par unité de
terre (rendement). Cet indice est utilisé couramment depuis des siècles; il permet de faire des
comparaisons entre localités et entre époques. Les comparaisons entre localités doivent tenir
compte des différences de sol et de climat. On utilise couramment la variation des rendements
dans une localité donnée comme indicateur d'une amélioration de l'efficience économique.
La productivité totale des facteurs (PTF) : La PTF est donc le ratio entre un indice de la production
et un indice des facteurs totaux. Son taux de croissance est le taux de croissance de la
production minoré du taux de croissance de l'indice des facteurs totaux. C'est la différence
entre la croissance effective de la production et celle qui se serait matérialisée en l'absence
d'une augmentation de la productivité. Elle rend alors mieux compte du progrès technique.
Le rendement agricole : la production qui est obtenue pour une surface donnée. Il est souvent
exprimé en quintaux
Pour ce qui concerne la FAO, elle distingue 6 indicateurs possibles de la productivité agricole
que sont : le rendement agricole, le gap entre les productions potentielle et effective, la
variabilité de la production sous des conditions variables, la production moyenne par ménage,
le nombre de mois de provision fourni par la récolte, la part de production perdue pendant le
stockage, la part des superficies agricoles utilisant des pratiques culturales améliorées, le
nombre de points de stockage construits et utilisés
1. Relation productivité agricole et capital humain
a) L’impact théorique de l’éducation sur l’agriculture
Les talents acquis par le biais de l’éducation agissent sur la productivité agricole de 2 façons
suivantes :
Ils réduisent les inefficiences techniques et allocative en matière de
production
Les personnes éduquées sont plus réceptives aux nouvelles technologies
ou techniques culturales. De plus, ces dernières peuvent juger
pertinemment du moment de choisir l’adoption de nouvelles technologies
(Weier, 1999).
Il semblait acquis depuis les années 1960, mais sur la base d’exercices essentiellement comptables,
que la croissance du capital humain était une composante importante de la croissance
économique.
Selon Marc Gurand (2000), depuis le début des années 1990, la littérature empirique sur le rôle
du capital humain dans la croissance économique fourmille de résultats contradictoires.
Ainsi, d’après le modèle de Solow, le progrès technique est le moteur de la croissance
économique.
En 1992, Mankiw, Romer et Weil amendent le modèle classique de Solow en introduisant le
capital humain aux cotés du capital physique. En partant des hypothèses suivantes : la fonction de
8
production agrégée est à rendements d’échelle constants, lorsque la productivité marginale de
chacun des facteurs accumulables est décroissante et lorsque les taux d’épargne sont constants et
exogènes.
On montre alors que, en l’absence de progrès technique, le taux d’accumulation des facteurs (par
tête) serait nul à l’équilibre et l’économie croîtrait uniquement à proportion de l’augmentation de
la population, ces auteurs aboutissent à la conclusion que le progrès technique est le déterminant
de la croissance. En faisant des amendements incluant le capital humain dans le modèle classique,
Mankiw, Romer et Weil tirent comme conclusion que la production et le capital humain mesuré
par le niveau d’éducation sont positivement corrélés.
De même, Barro (1991) en incluant d’autres variables de contrôles (dépenses gouvernementales,
stabilité politique dans le modèle néoclassique aboutit à la même conclusion.
Cependant, Benhabib & Spiegel (1994) qui utilisent les données de Kyriacou (1991) montrent
que la variable capital est non significative; de même Pritchett (1996) estime également cette
spécification avec les données de Barro & Lee (1993) et de Nehru, Swanson & Dubey (1995) et
obtient des effets négatifs et parfois significatifs.
Dans le domaine agricole, plusieurs études empiriques menées en Afrique ont montré l’impact
négatif net ou nul du capital humain sur la productivité agricole. Ainsi, Araujo & Bonjean &
Arcand (1999) relèvent que le capital humain a une influence négative sur la production agricole
dans plusieurs études menées en Afrique Ils expliquent ce paradoxe par le concept de séparabilité
des ménages : les comportements de producteur et de consommateur peuvent faire l’objet
d’études distinctes.
De même, Gurgand et Paraguay (1995) montrent que l’éducation n’améliore pas l’efficacité de la
production agricole dans une étude menée en Cote d’Ivoire.
Appleton and Balihuta (1996) révèlent que de nombreuses études effectuées montrent que
l’éducation n’a pas d’impact significatif sur l’agriculture. Ils attribuaient cela à l’insuffisance des
données utilisées, à des erreurs de mesure de la production agricole
Mirotchie (1994) en analysant des données éthiopiennes révèlent que l’éducation primaire accroit
la productivité tandis que celle secondaire n’a pas d’effets significatifs. Il faut tout de même
accorder des bémols à ces conclusions à cause de la petitesse de l’échantillon d’étude.
Croppenstedt and Muller (1998) montrent qu’il n’y a pas relation entre le taux d’éducation et la
production agricole.
Cependant, une étude menée au Laos (Onphanhdala, 2009) montre que la corrélation entre
l’adoption de techniques culturales modernes et le niveau d’éducation des paysans ayant atteint le
cycle primaire est positive et forte.
Zonon (2003) montre que l’alphabétisation améliore significativement l’efficacité des paysans.
Problématique
Au Burkina Faso, plus de 80 % de la population a pour occupation principale l’agriculture.
Pourtant, cette agriculture demeure jusqu’à ce jour une agriculture de subsistance fortement
dépendante des aléas climatique et caractérisée aussi par une pauvreté croissante de ses sols. Le
monde rural est de notre jour fortement confronté à la problématique de l’exode rural vers les
grandes cité car les moyens de subsistance générés par l’agriculture sont insuffisants pour couvrir
9
les besoins du monde paysan. Ainsi, le revenu moyen agricole était de…. d’après alors que le
SMIG, lui était estimé à…. Pouvoir retenir cette main d’œuvre se révèle capital pour le pays. De
plus, la pression sur les terres arables est de plus en plus forte : les superficies cultivables
s’accroissent au rythme moyen de 2.3% par an tant et si bien qu’à ce rythme, les terres cultivables
s’épuiseront en 2030 (Rapport Epa 2010); cela est combiné à un taux d’accroissement moyen
élevé de la population qui est 3.3% (Unicef, 2010).
Dans ces conditions, trouver les principaux déterminants dans le but d’agir sur eux est crucial si
l’on veut augmenter de façon substantielle la productivité agricole et partant, la production
agricole. La productivité agricole au Burkina est déterminée par de nombreux facteurs parmi
lesquels la pluviométrie, le financement public, les techniques agricoles, la nature des semences
utilisées,…
Depuis l’indépendance du Burkina Faso jusqu’à nos jours, l’éducation et la formation ont connu
une amélioration en milieu rural. En effet, le taux d’alphabétisation qui se situe à 33.1% (pour les
jeunes de 15-24 ans) en 2008 d’après la Banque Mondiale, était de 27 % en 1998 et de 13.57 %
en 1991.
Dans cette présente étude, nous analyserons l’impact du capital humain sur l’agriculture au
Burkina. Quel est le gap de productivité entre les producteurs éduqués et les autres ?
Quel est l’impact de l’éducation et de la formation sur les rendements agricoles ?
Questions de recherche
Mesurer le capital humain n’est pas chose aisée car de nombreux paramètres (éducation, santé,
nutrition) entrent en ligne de compte comme on peut le constater dans les paragraphes
précédents. Néanmoins, nous aborderons les aspects suivants :
Comment caractériser le capital humain ?
Comment mesurer la productivité agricole ?
Quels sont les déterminants du rendement ?
Soit deux producteurs Ali et Ousmane. Ali a un capital humain conséquent tandis
qu’Ousmane n’en a pas. Cependant, ces deux responsables de parcelle ont des
caractéristiques similaires pour ce qui concerne les déterminants principaux de la
productivité. Les parcelles d’Ousmane et d’Ali auront-il des différences sensibles en
termes de rendement. Si oui, quelle cette différence ? Si non, quels commentaires peut-on
faire ?
III. Description des données
1. Les données
10
Dans le cadre de notre analyse, nous utiliserons l’enquête Permanente Agricole réalisée chaque
année par le Ministère de l’Agriculture et des Ressources Halieutiques. L’EPA utilisée est celle de
2006- 2007. Ce sondage concerne 4227 ménages répartis sur l’ensemble du territoire national.
Ces données sont organisées en 13 fichiers portant sur divers domaines du monde agricole.
F1 est relative aux caractéristiques du ménage
Dans ce fichier, plusieurs caractéristiques intrinsèques au ménage telles que la situation du chef de
ménage, le niveau d’éducation, le sexe, l’âge des différents membres du ménages, le milieu de
résidence, la situation matrimoniale, les responsables de parcelle, leur statut d’occupation (Les
activités pratiquées, la disponibilité du crédit,..).
Fiche 2: Recensement des parcelles du ménage.
Le second fichier est relatif aux parcelles des différents membres du ménage. Ce fichier recense
les responsables de parcelle, le type de gestion de la parcelle, leur localisation, les cultures qui y
sont pratiquées ainsi que le modèle de labour.
Fiche 3 : mesures de parcelles et pose de carrés : elle aboutit au calcul des superficies des
différentes parcelles enregistrées.
Fiche 4 : acquisition et utilisation des intrants : cette fiche est relative aux différents intrants, à
leur mode d’acquisition (dons, crédits, achats sur fonds propres) qu’à leur utilisation.
Fiche 5 : pour l’estimation des stocks céréaliers. Elle permet d’estimer les stocks céréaliers des
ménages agricoles.
Fiche 6 : Prévision des récoltes : elle permet de connaitre la production prévisionnelle pour les
céréales pour la campagne 2007-2008 et de mesurer la production céréalière de la précédente
campagne.
Fiche 7 : Cette fiche est relative au recensement complet du cheptel possédé par le ménage.
Fiche 8 : Utilisation de la production des cultures pluviales du ménage
Cette fiche nous aide à faire le bilan de l’usage pendant la campagne 2007-2008 de la production
de la campagne précédente (2006-2007) en recueillant les entrées (productions, achats, cadeaux
reçus) et les sorties (ventes, dons) des productions des cultures pluviales entre le 1er octobre 2006
et le 30 septembre 2007.
Fiche 10 : Équipement agricole et animaux de traction : elle nous renseigne sur les équipements
agricoles possédés par le ménages (coût, moyen d’acquisition, âge,..)
Fiche 11 : Revenus non agricoles des membres du ménage
Fiche 12: Emploi et main d’œuvre ; elle nous donne des informations sur les responsables de
parcelle ainsi que sur l’utilisation de la main d’œuvre (type de contrat de travail, quantité de
travail effectuée, moyen de rémunération,…)
11
A partir de ces différents fichiers, nous avons constitué notre fichier de travail par la fusion de
F1, F2, F4, F6, F10 et F12.
2. Approche utilisée : l’unité d’observation
Dans le cadre de notre étude, nous avons identifié 2 types d’approches :
L’approche ménage : dans cette approche, il s’agit de mesurer l’impact du capital humain
moyen du ménage sur la productivité agricole moyen sur l’ensemble des parcelles
appartenant aux membres du ménage. Elle a pour avantage de savoir comment agit le
niveau d’éducation des membres du ménage sur les décisions en matière de production et
est plus pertinente en matière de prise de décision
L’approche parcelle : elle permet de mesurer l’impact du niveau d’éducation du
responsable de parcelle sur la production de sa parcelle. Elle a le mérite de savoir quelle
peut être la valeur ajoutée de l’éducation pour un individu donné.
Dans le cadre de cette analyse, nous choisirons l’approche parcelle. De ce fait, les
statistiques descriptives qui seront faites porteront sur les responsables de parcelles et
leurs parcelles.
Nous dénombrons 13605 responsables de parcelles et 34969 parcelles : un responsable de
parcelle peut disposer donc de plusieurs parcelles.
Les parcelles ont une superficie moyenne de 5000 m carré.
De plus, dans une parcelle, il existe plusieurs cultures qui sont pratiquées. Les cultures 1
(qui ont le plus grand nombre de pieds) sont celles qui attireront notre attention
3. Construction des variables clés : capital humaine et productivité
a. Capital humain
Pour les besoins de cette étude, nous avons choisi de prendre comme composantes du capital
humain, les deux formes déclinées par la théorie du capital humain à savoir la formation générale
mesurée par le niveau d’instruction et la formation spécifique mesurée par l’usage de technique en
matière d’érosif.
Le niveau d’instruction comprend 5 modalités (analphabète, médersa, primaire, secondaire,
supérieur, alphabétisé) : nous avons crée une variable alpha de la façon suivante :
0
1 'i
si le responsablei de parcelleest anaphabétisé
si le responsablei de parcellen est analphabétisé
De même, la variable site anti-érosif ( iErosi comprend 8 modalités :
Cette variable a été recodée comme suit :
12
0 '
1i
si le responsablei de parcellen utilise pasune techniqueanti érosifErosi
si le responsablei de parcelleutiliseunetechniqueanti érosif
Le calcul du coefficient de corrélation de Spearman montre une faible corrélation (0, 176) entre
i et iErosi
Enfin, la variable capital humain est définie comme :
0 0
1 0
i i
i
i i
si ErosifT
si Erosif
b. Productivité
Une parcelle est sujette à de nombreuses cultures. Cependant, une culture retient le plus
l’attention du producteur : c’est la culture la culture qui a le nombre de pieds le plus important
(culture 1).. C’est pourquoi, dans l’évaluation de la productivité, nous nous focaliserons sur cette
culture. Ainsi, en ce qui concerne la productivité, nous avons choisi comme proxy variable le
rendement de la culture ayant le plus grand nombre de pieds (culture 1)
4_ Méthodologie de l’évaluation d’impact du capital humain sur la productivité agricole
1. Hypothèses de recherche
Une parcelle est par essence exploitée par un ou plusieurs membres ; nous supposerons
que l’individu dont les décisions influencent le plus le fonctionnement de la parcelle est
son responsable. Ainsi, son capital humain sera celui qui sera pris en compte dans notre
démarche.
La culture 1 est celle qui donne résume le mieux l’effort des paysans sur une parcelle
donnée.
Une évaluation d’impact ayant pour but de mesurer l’impact d’un traitement1 en comparaison
avec un contrefactuel tel que la situation des non-traités, la détermination de façon claire des
variables d’intérêt sur laquelle le capital humain agit est très importante. Supposons une variable
aléatoire, Y avec une moyenne ( )E Y dans la population des responsables de parcelle. Pour
notre cas, Y désigne respectivement, le rendement de la parcelle.
1Le traitement ici est le capital humain. Les responsables de parcelles traités et non traités sont respectivement ceux qui ont
bénéficié d’un capital humain tel que défini et ceux qui n’en ont pas.
13
Soit iY la variable d’intérêt comme spécifié plus haut, du responsable de parcelle i dans une
population de taille n . Comme déjà évoqué, certains responsables de parcelle reçoivent le
capital, dans ce cas ils sont dits « traités » et nous supposons que la variable
dichotomique 1iT . Par contre d’autres n’en reçoivent pas, ils sont « non-traités » dans ce
cas 0iT . La formulation du modèle d’évaluation est de Rubin (1974) qui postulent deux
valeurs de la variable cible pour chaque individu ici les responsables de parcelle ; la valeur de la
variable iY quand l’individu est sous traitement ( T
iY ) et la valeur quand l’individu n’est pas sous
traitement (C
iY ).
L’effet du capital humain sur le responsable de parcelle i est :T C
i i iG Y Y . Dans
la littérature iG est appelé « gain », « impact » ou « effet causal » du capital humain. Suivant la
littérature, cette présentation se focalisera principalement sur l’impact moyen du capital humain
sur les variables cibles retenues et dans la population des responsables de parcelle qui ont
bénéficié du capital humain (les traités) ( ( | 1)TT G T ). Dans notre cas, TT
est
l’impact du capital humain dans le groupe des responsables de parcelle bénéficiaires du capital
humain, ( | 0)TU G T l’impact moyen dans le groupe des non bénéficiaires et l’impact
moyen dans l’ensemble de la populationATE
:
( ) Pr( 1) Pr( 0)ATE TTE G T TU T
L’estimation de ces paramètres se fait dans les échantillons correspondants. L’on désire
souvent connaitre les impacts moyens conditionnellement à un vecteur X des caractéristiques des
responsables de parcelle : ( ) ( | , 1)TT X E G X T , ( ) ( | )TU X E G X et
( ) ( | , 0)TU X E G X T
L’une des méthodes courantes adoptées pour l’introduction des caractéristiques des
responsables de parcelle dans l’estimation est de faire l’hypothèse que le capital humain est
linéairement dépendant des paramètres évoqués ci-dessus et aux termes d’erreurs (T Cet )
donnant ainsi :
14
( 1,..., ) (1)T T T
i i iY X i n
( 1,..., ) (2)C C C
i i iY X i n
Nous définissons les paramètres C Cet en supposant que X est exogène c’est à
dire ( | ) ( | ) 0)T CE X E X . Les impacts moyens conditionnels sont donc :
( ) ( ) ( | , 1)TT T CX ATE X E X T .
( ) ( ) ( | , 0)TU T CX ATE X E X T .
( ) ( )ATE T CX X .
La remarque essentielle ici est qu’il n’est pas possible d’avoir simultanément les niveaux
des variables d’intérêt pour le cas où les responsables de parcelle bénéficient du capital humain
et le cas où il n’en bénéficie pas. Pour cela il n’est pas possible de mesurer directement les impacts
moyens définis ci-dessus.
Toutefois un point de départ pour cette mesure serait de faire une simple différence
D entre la productivité moyenne des responsables de parcelle bénéficiaires du capital humain
et celle moyenne des non bénéficiaires :
( ) ( | , 1) ( | , 0) (4)T CD X E Y X T E Y X T .
Cette différence peut aussi être estimée par les moindres carrées ordinaires. Pour les
modèles paramétriques avec des variables de contrôles (X), on peut faire une estimation de (1)
dans le sous échantillon des bénéficiaires et (2) dans le reste de l’échantillon global :
1 (3)T T T
i i iY X si T
0 (4)C C C
i i iY X si T
15
En pratique, la méthode populaire consiste à supposer que
ATE TT TU
iG pour tous les responsables de parcelle. Ainsi donc :
(5)ATE C C
i i i iY T X
Le modèle le moins contraignant suppose que les termes d’erreur ou les effets latents
sont les mêmes pour les deux groupes d’individus (T C
i i ).
Quand bien même que ceci constitue un point de départ pour l’évaluation de l’impact
moyen du capital humain, plusieurs hypothèses sont nécessaires pour assurer une estimation sans
biais des paramètres d’impact. Afin de s’en convaincre considérons la différence entre la
moyenne des variables d’intérêts des bénéficiaires du capital humain et celles des non
bénéficiaires : ( ) ( ) ( )TT TTD X X B X. Où
( ) ( | , 1) ( | , 0)TT C CB X E Y X T E Y X T en utilisant ( )D X pour l’estimation
deTT
.
La différence en moyenne (ou le coefficient des MCO en T) donne l’effet moyen du
capital humain sur les bénéficiaires si la moyenne des variables d’intérêts des non bénéficiaires
ne varie pas avec les transferts ( 0TTB ) c'est-à-dire que
( ( | , 1) ( | , 0C CE X T E X T ) ce qui assure la convergence des estimateurs
MCO.
Nous aborderons maintenant les principales méthodes pratiques pour l’estimation des
impacts du capital humain telles que formulées ci-dessus.
Comme précisé plus haut, l’une des techniques les plus simples pour assurer
que 0TTB est la randomisation où l’assignation aléatoire du capital humain aux bénéficiaires :
c’est la méthode expérimentale de l’évaluation d’impact. A l’opposé de cette méthode, il y’a celle
non expérimentale, où les capital humain est considéré comme endogène.
Pour ce qui nous concerne, nous appliquerons la méthode non expérimentale (matching)
pour les simples raisons que les transferts n’ont pas été octroyés aux ménages de façon aléatoire
16
et aussi pour les raisons évoquées plut haut concernant la méthode de double différence et des
variables instrumentales.
La méthode d’appariement par score de propensité
La première étape consiste à modéliser, en fonction des variables disponibles dans la base
de données, le processus par lequel certains responsables de parcelle bénéficient du capital
humain et d’autre non. Un modèle logit binaire est utilisé afin de déterminer les probabilités
prédites de réception du capital humain2.
La propriété d’indépendance le niveau des variables d’intérêts et le bénéfice du transfert
conditionnellement aux caractéristiques des ménages, requiert généralement la prise en compte
d’un nombre important de variables ce qui rend difficile l’appariement. Ce problème est résolu
par Rosenbaum et Rubin (1983)3 montrant ainsi que si ( , ) |T CY Y T X , alors
( , ) ( | )T CY Y P benef X .
Parmi les méthodes de matching utilisées la plus simple est le « one to one matching » avec
remplacement. Il associe à chaque ménage non bénéficiaire un ménage bénéficiaire ayant les
mêmes caractéristiques. La différence entre la moyenne de la variable d’intérêt des deux groupes
(de même taille) est l’impact du capital humain. Cependant les propriétés asymptotiques
(convergence et normalité asymptotique) de TT
sont inconnus.
C’est pourquoi nous implémenterons l’Epanechnikov kernel matching suivant Heckman,
Ichimura et Todd (1998) qui ont établi sa convergence (a une vitesse de N ) et sa normalité
asymptotique. Cette méthode consiste à associer à un ménage bénéficiaire du capital humain un
ménage non bénéficiaire fictif i défini comme un ménage moyen. Tous les responsables de
parcelle non bénéficiaires qui ressemblent aux responsables de parcelle participent à la
construction de la valeur moyenne de la productivité, en fonction de la distance entre leur score
et celui du ménage i en question.
2 Les probabilités prédites ou score de propensité se déterminent ainsi qu’il suit ( 1)1
X
i X
epr T
e
3 Cité par NGUETSE (2010)
17
a. Choix des variables
La variable choisie comme proxy variable de la productivité est le rendement moyen. Nous
avons pris comme proxy variable du capital humain une variable prenant en compte l’éducation
formelle et la formation au travers des techniques culturales.
Les autres variables incluses dans le modèle sont :
Sexe du responsable de parcelle
Usage des intrants
Age du responsable de parcelle
Accès au crédit agricole
Superficie cultivée
Quantité de travail utilisée pour le labour
Quantité de travail utilisée pour la récolte
Quantité de travail utilisée pour l’entretien
Usage de semences sélectionnées
Ces différentes variables ont été choisies par le biais de la revue de littérature. Ce sont celles qui
influencent le plus la production. Dans le cas spécifique de l’agriculture au Burkina Faso, d’autres
facteurs tout aussi déterminants que la pluviométrie, la nature des sols, le financement public.
Ainsi des données pertinentes sur ces différents éléments auraient été pertinentes pour notre
étude. Cependant, toutes choses étant égales par ailleurs : 2 responsables de parcelles vivant dans
le même environnement géographique auront une pluviométrie et des sols similaires,…
4. Quelques statistiques descriptives
a. Les caractéristiques des responsables de parcelles.
Comme la majorité de la population, les responsables de parcelle sont analphabètes à hauteur de
81.1%.Le taux d’alphabétisation est de 88.8% chez les femmes contre 72.6% pour les femmes.
Ceux qui bénéficient d’un niveau primaire et plus sont moins de 5%. De plus, les femmes
représentent 53.9 % de ces derniers et ont une moyenne d’âge de 36 ; cependant elles disposent
chacune de 1.78 parcelle en moyenne contre 3.49 chez leurs compaires masculins ; de plus la
superficie moyenne des parcelles des gérées par les hommes est le tiers de celles managées par les
hommes. Globalement, les hommes possèdent 64.5% des parcelles recensées. De, plus 52.2 %
sont constituées de parcelles collectives c'est-à-dire qui appartiennent à tout le ménage contre
47.8 % qui sont des parcelles dites individuelles c'est-à-dire qui appartiennent à un seul individu.
18
b. Les caractéristiques des parcelles
Nous disposons de 34969 parcelles dont la superficie moyenne est de 0.5140 hectare
Parmi les cultures de rente, le coton occupe la première position : il occupe 3.7% des parcelles
51.6 % des parcelles ont été obtenues par legs ou héritage, 38.4 % par don et 9.8% au travers
d’un emprunt
Le mil est la spéculation la plus cultivée sur le territoire national : c’est la première culture
puisqu’elle concerne 18.7% des parcelles. Il est suivi par le mis et le riz. Les parcelles de riz, de
piment, d’arachide, de voandzou et de gombo sont majoritairement dirigées par les femmes.
L’usage des intrants, des semences améliorées et des produits de traitement est peu répandu : ils
sont utilisés dans 15.7, 13.3 et 4.3 % des parcelles enregistrées. Pour ce qui concerne l’usage des
intrants, le coton est la culture qui l’utilise le plus : 89% des cotonculteurs en usent
Parmi les cultures céréalières, les parcelles de riz possèdent les rendements le plus élevés (10
tandis que celles de mil ont les plus faibles productivités.
La culture du coton enregistre un rendement moyen de 979 kg/ha. Le manioc, l’aubergine locale,
l’aubergine importée, et le piment ont des rendements assez élevés.
Il ressort des tableaux descriptifs que les parcelles sur lesquelles on a fait usage de semences
améliorées, d’intrants, et de produits de traitement ont une productivité moyenne plus grande que
les autres où il n’y a eu aucun usage.
Contrairement à beaucoup d’études, les parcelles dirigées par des femmes sont moins productives
contre celles de leurs homologues masculins avec un rendement moyen de 597,46 contre 824,68
kg/ha.
19
Tableau5 : Rendement moyen des spéculations
Culture Rendement des
producteurs avec
capital humain
Rendement des
producteurs sans
capital humain
Rendement total
Mil 550,46 550,03 550,17
Mais 899,65 887,46 891,63
Riz 1 026,12 1 016,05 1019,21
Fonio 803,08 706,59 729,81
Coton 1 015,41 958,98 979,77
Arachide 544,63 547,31 546,70
Sésame 357,35 319,12 335,86
Soja 495,75 419,68 435,03
Niébé 475,35 470,13 471,85
Voandzou 527,53 535,01 533,79
Igname 8 104,31 5 553,51 6152,69
Patate 7 305,46 6 993,43 7109,06
20
Souchet 580,00 568,70 574,35
Sorgho blanc 643,92 656,45 651,75
Sorgho rouge 764,27 740,41 747,82
Aubergine locale 7 218,24 4 667,65 5 916,92
Piment 344,84 361,42 13 360,00
gombo 1 590,21 1 390,04 352,93
tabac 306,67 304,62 1 440,16
Tableau6 : Rendement moyen le capital humain
Pour plusieurs cultures telles le riz, le fonio et le coton le rendement des parcelles dont le
responsable a un capital humain est plus élevé que celles où les gérants de parcelle n’en disposent
pas. Il n’y a pas de différence significative entre les 2 types de parcelles pour ce qui concerne les
cultures telles que le mil, le mais et l’arachide.
Pour le voandzou et le piment, le capital humain ne semble pas jouer un rôle significatif dans la
productivité.
IV. Méthodologie utilisée
2. La méthode du matching
Description et usage de la méthode matching
Il s’applique surtout dans des situations où l’on voudrait mesurer l’efficacité d’une politique ou
d’une intervention sur une population. Ainsi, une partie de la population a été exposée à cette
intervention : ce sont les bénéficiaires tandis qu’une partie ne l’a pas été : ce sont les non-
bénéficiaires. L’efficacité de la politique est alors estimée sur une ou plusieurs variables
caractéristiques de la population.
La philosophie qui sous-tend le matching consiste à sélectionner un groupe de non bénéficiaires
(groupe de contrôle) et à faire en sorte qu’il soit différencié des bénéficiaires seulement par la
politique mise en place. Si une telle différenciation est possible, alors la différence observée entre
les bénéficiaires et les non-bénéficiaires est imputable à l’intervention suivie par les bénéficiaires.
C’est donc une construction intuitive qui utilise la comparaison des moyennes des variables
caractéristiques pour évaluer l’impact de la politique subie.
3. Hypothèses du matching
La validité de la méthode de matching repose sur trois hypothèses que sont :
L’absence d’effets de diffusion
21
Cette hypothèse implique que si les responsables de parcelle possédant le capital humain n’en
possédaient pas, ils se seraient comporté de la même manière que les non-bénéficiaires du capital
humain. Elle traduit le fait que sans capital humain, les bénéficiaires auraient choisi les mêmes
facteurs de production dans les mêmes proportions que les non-bénéficiaires.
La sélection sur les observables
Le matching repose sur l'hypothèse que l'ensemble des variables produisant le biais de
sélection (variables de contrôle) sont observées (Rosenbaum et Rubin, 1983; Rubin, 1974;
Imbens, 2004; Dehejia et Wahba, 2002; Smith et Todd, 2005). C'est l'hypothèse de sélection
sur les observables. Soit Xi le vecteur des variables observées. L'hypothèse de sélection sur
les observables signifie que la demande de facteurs est orthogonale à la participation
Di conditionnellement aux caractéristiques X. la sélection dans le traitement ne dépend que de
caractéristiques observées (x). Sous cette hypothèse, il est possible d’annuler le biais de sélection.
L'existence d'un support commun
L'application des procédures de matching n'est possible que s'il existe des exploitations
non bénéficiaires ayant des caractéristiques identiques à celles des bénéficiaires. Le test de
cette hypothèse repose sur une estimation de la zone de support commun (Todd, 2007).
L'hypothèse de support commun traduit le fait que la probabilité associée à la participation,
notée Pr (Di = 1|Xi), est non nulle :
Deux individus de mêmes caractéristiques x, l’un traité, l’autre non-traité, n’ont pas
de contrefactuels différents.
Enfin, le matching est d’autant plus crédible que X a beaucoup de variables
4. Le problème de la dimension et le score de propensité
Lorsque nous réalisons le matching, il eut été idéal de trouver pour chaque bénéficiaire un non
bénéficiaire qui lui est identique considérant les variables pertinentes de la sélection, excepté la
politique menée. Ceci étant difficile à réaliser, on utilise une technique appelée score de
propensité. Cette dernière consiste à matcher (Trouver des bénéficiaires et non-bénéficiaires qui
se ressemblent) sur la base d’un score (de propensité qui est en fait une probabilité qu’un non
bénéficiaire ait pu été un bénéficiaire étant donné ses caractéristiques principales retenues.
Autrement, chaque bénéficiaire est matché avec le non-bénéficiaire qui lui ressemble le plus en
termes de probabilité d’être un bénéficiaire ; cette probabilité est estimée sur la base de
caractéristiques individuelles. Lorsque les 2 groupes sont formés, l’effet de l’intervention est
estimé par la simple différence entre les moyennes obtenues entre les 2 groupes sur l’output.
Le problème de biais de sélection
22
Les responsables de parcelle possédant un capital humain et ceux n’en possédant pas diffèrent
pour un certains nombre de caractéristiques intrinsèques qui pourraient avoir influencé leur
comportement en matière de capital humain. Cela peut donc poser le problème de bais de
sélection : la différence constatée au niveau du capital humain est dû à des variables inobservées.
Le matching réduit le problème de biais de sélection en créant 2 groupes de responsables
semblables au niveau des deux sous-populations car d’après l’hypothèse de sélection sur les non-
observables, les variables produisant le biais de sélection sont observés.
b. Les étapes du matching
Choix du modèle de probabilité : il existe en effet plusieurs modèles (probit ou logit) que
nous pouvons choisir.
Choix des variables à inclure dans le modèle.
Matcher les individus en utilisant le score de propensité ; les modèles utilisables sont : le
plus proche voisin, le modèle de matching de Caliper et Radius.
Evaluer la qualité du matching.
Estimation de l’effet moyen sur l’output et de l’erreur standard.
c. Mise en œuvre du modèle
Choix du modèle de probabilité : Le modèle de probabilité que nous avons choisi est le modèle
logit. Avec ce modèle, nous avons déterminé les scores de propensité qui est la probabilité qu’un
responsable de parcelle ait reçu un capital humain, étant donné les variables décrites plus haut.
d. Choix des variables
La variable choisie comme proxy variable de la productivité est le rendement moyen. Nous
avons pris comme proxy variable du capital humain une variable prenant en compte l’éducation
formelle et la formation au travers des techniques culturales.
Les autres variables incluses dans le modèle sont :
Sexe du responsable de parcelle
Usage des intrants
Age du responsable de parcelle
Accès au crédit agricole
Superficie cultivée
Quantité de travail utilisée pour le labour
Quantité de travail utilisée pour la récolte
Quantité de travail utilisée pour l’entretien
Usage de semences sélectionnées
Ces différentes variables ont été choisies par le biais de la revue de littérature. Ce sont celles qui
influencent le plus la production. Dans le cas spécifique de l’agriculture au Burkina Faso, d’autres
facteurs tout aussi déterminants que la pluviométrie, la nature des sols, le financement public.
Ainsi des données pertinentes sur ces différents éléments auraient été pertinentes pour notre
étude. Cependant, toutes choses étant égales par ailleurs : 2 responsables de parcelles vivant dans
le même environnement géographique auront une pluviométrie et des sols similaires,…
23
Il faut tout de même relever que d’autres facteurs inobservables peuvent aussi avoir un impact sur
l’output qui est la productivité.
e. Matching des individus et estimation des résultats
Il existe plusieurs algorithmes pour la mise en œuvre du matching parmi lesquels l’algorithme
l’Epanechnikov kernel matching. La variable indépendante capital humain est le capital humain.
L’output est le rendement de la culture1. L’estimation a produit les résultats suivants pour les
cultures pour lesquelles on disposait de suffisamment de données pour implémenter l’algorithme
de matching l’Epanechnikov kernel à savoir le mil, le mais, le riz, l’arachide, le sorgho blanc, et le
coton.
Nous obtenons les résultats suivants :
Colonne1 Colonne2
Espèce Différence de rendement
Mil 0.37
sorgho blanc - 46.82
arachide 59.03
Mais - 3.12
Riz - 229
coton 8.41
24
Le capital humain accroit de façon significative les rendements du mil de l’arachide et du
coton. Il accroit ainsi le rendement du mil de 0.3Kg, celui de l’arachide de 59Kg, celui du
coton de 8.41 kg : le plus grand différentiel est donc celui de la culture de l’arachide
Cependant, le capital humain n’améliore pas le rendement des autres cultures à savoir le
mais, le sorgho blanc et le riz. Il ne constitue donc pas pour ces cultures un facteur
déterminant.
Discussion des résultats
Comme plusieurs études l’ont déjà mon montré (Appleton and Balihuta, 1996), le capital
humain n’a pas d’effet significatif sur la productivité des cultures que mais, le sorgho blanc et le
riz dans cette présente étude. Plusieurs raisons peuvent en être à l’origine :
Les erreurs de mesure de la production
Le caractère moderne ou traditionnel de l’agriculture pratiquée Dans cette présente étude, nous analyserons si le caractère moderne ou non peut être à l’origine
de ce fait. Ainsi, nous définirons une variable de modernité qui est la combinaison de
l’équipement agricole et des intrants.
Le niveau d’équipement du responsable de parcelle a été capté à partir du mode de labour.
La variable modlab est définie de la façon suivante
La variable mode de labour comprenait 4 modalités et a été recodée comme suit :
L’intensité de l’usage des intrants a été captée comme suit :
Fumure+engrais +produits
Intranf a été recodée comme suit
Enfin la variable modernité a été définie comme suit
Avec
25
Si =1 le mode d’exploitation est qualifié de moderne et si alors il
est qualifié de traditionnel.
Le test de Pearson nous a montré une absence de liaison entre cette variable et la variable capital
humain.
Avec cette variable modernité, nous avons scindé les parcelles de coton et de sorgho selon qu’on
y pratique l’agriculture de façon moderne ou non.
Nous avons les résultats suivants :
riz Traditionnel D : 90.3417643
Moderne D : -33.43
Sorgho blanc Traditionnel D : -7.4185611
Moderne D : -33
Mais Traditionnel D : 77
Moderne D : -17.36
D : différence de rendement
Ces nouvelles estimations nous permettent de faire les commentaires suivants :
Le capital humain n’a pas d’influence positive sur le rendement que le mode de pratique
culturale soit moderne ou traditionnel pour les cultures du riz et du sorgho blanc
caractère traditionnel ou moderne de la culture sur la parcelle.
Le capital humain influence positivement la culture du mais lorsque la pratique culturale
est moderne.
Le capital humain a un impact positif sur les parcelles cotonnières modernes. Cependant, il n’a
pas d’impact sur le caractère traditionnel ou moderne de la culture du coton
26
Conclusion
La caractérisation du capital humain et de la productivité n’est pas chose aisée comme nous l’a
révélée cette étude. L’usage des proxys variables nous a permis de pallier à cette difficulté. Cette
étude sur l’impact du capital humain sur la productivité agricole corrobore d’autres études
similaires menées au Burkina Faso sur la relation entre capital humain et productivité pour les
cultures du mil, du coton et de l’arachide. Le caractère extensif de la culture n’explique pas
l’absence d’impact du capital humain dur la productivité pour les cultures du riz et du sorgho
blanc. Par contre, il est à l’origine de ce constat pour la culture du mais.
Des investigations mériteraient d’être menées pour les cultures du riz et du sorgho pour savoir les
non raisons de la non significativité du capital humain sur la productivité de ces deux céréales
27
Références
OCDE, Synthèses, Août 2007
Phanhpakit ONPHANHDALA, Farmer Education and Agricultural Efficiency: Evidence from
Lao PDR, January 2009.
SHARADA WEIR, the Effects of Education on Farmer Productivity in Rural Ethiopia, March
1999.
Peter Boomgaard, Long Hours for High Yields; Agricultural Productivity in Pre-Industrial Java
(Indonesia), July 2006.
James J. Heckman et Salvador Navarro-Lozano, Using Matching, Instrumental Variables and
Control Functions to Estimate Economic Choice Models, April 2003.
S. Chabé-Ferret_ et J. Subervie, Utilisation des méthodes de matching pour l'évaluation
des politiques agro-environnementales : l'exemple des MAE en France ; version préliminaire,
mars 2009
Projet d’Appui à la Gestion Economique (PAGE), 2008
Joseph Shapiro and Jorge Moreno Trevino, Compensatory Education for Disadvantaged
Mexican Students: an Impact Evaluation Using Propensity Score Matching
Dehejia, R.H. / Wahba, S. (2002): Propensity Score-Matching Methods for Nonexperimental
Causal Studies. The Review of Economics and Statistics, Vol.84 (1).
Caliendo, M. / Kopeinig, S. (2005): Some Practical Guidance for the Implementation of Propensity
Score Matching. IZA Discussion Paper Series.
28
Alain Bihr, La novlangue néolibérale. La rhétorique du fétichisme économique, Editions Page deux,
Lausanne, 2007
http://kb.iu.edu/data/avll.html, In Stata, how do I perform propensity score matching? , 2005-
2006
Direction de la prospective et des statistiques agricoles, Manuel de l’enquêteur, campagne 2007-
2008.
Barbara Sianesi, Implementing Propensity Score Matching Estimators
with STATA, University College London and Institute for Fiscal Studies, London, may 2001
http://fmwww.bc.edu/RePEc/usug2001/psmatch.pdf, Edwin Leuven, Department of
Economics, University of Amsterdam.